-
公开(公告)号：CN111275206A
公开(公告)日：2020-06-12
申请号：CN202010057454.8
申请日：2020-01-19
Applicant: 同济大学
Abstract: 一种启发式采样的集成学习方法，适用于不均衡数据集的分类，所述方法包括：根据数据集中所有样本在特征空间的分布特征对数据集划分第二类别；根据各样本的所述第二类别分别设定不同的硬度权重，结合不均衡权重计算各样本的选中概率；根据各样本所述选中概率对数据集重采样，并对重采样后的数据集进行集成训练，获得最终的分类结果。本方法基于样本的内在特征进行有侧重的重采样，以提高不均衡数据集的采样质量，从而提高现有的集成学习方法对于不均衡数据集的分类效果。
-
公开(公告)号：CN106778475B
公开(公告)日：2020-06-09
申请号：CN201611025157.5
申请日：2016-11-18
Applicant: 同济大学
IPC: G06K9/00
Abstract: 本发明提供一种最优导联集选择方法及系统，通过计算每个导联的信号稳定性参数以及各导联与其他导联之间的关联紧密度参数，获得各导联的权值，且将各导联按照权值由大到小的优先级进行排列，选取优先级大于预设级别的多个导联形成最优导联集，本发明可以有效的挑选最优导联，减少采集导联数，提升脑机接口系统的实用性，且在降低导联数的情况下，提升脑电信号分类的准确率，使得脑电信号分类准确率得到提升。
-
公开(公告)号：CN106412414B
公开(公告)日：2019-12-27
申请号：CN201610404267.6
申请日：2016-06-08
Applicant: 同济大学
Abstract: 本发明提供一种追踪系统、摄像头、监测方法、及监测系统，让摄像头自主联结为跟踪对象的网络系统，主动跟踪对象，并记录跟踪对象在不同监控场景及时间点的信息和逃逸路线，摄像头根据关联机制，设置相应的路由表，且在监控范围内执行监控动作，当在监测范围内根据预设的追踪信息监测到跟踪对象，或在监测范围内根据拍摄到的异常事件而监测到跟踪对象，或在监测范围内根据接收到其他摄像头发送的追踪信息而监测到跟踪对象时，获取跟踪对象的特征信息；当跟踪对象离开监测范围时，根据获取的特征信息生成新的追踪信息，且依据路由表将新的追踪信息发送至相应的其他摄像头。本发明可以高效准确的监测到跟踪对象，摄像头之间的信息传递可靠稳定。
-
公开(公告)号：CN110490582A
公开(公告)日：2019-11-22
申请号：CN201910650695.0
申请日：2019-07-18
Applicant: 同济大学
Abstract: 本发明公开一种信用卡交易异常检测方法及装置，所述信用卡交易异常检测方法包括：通过训练数据选择器从交易数据中选取训练数据，通过第一处理器对所述训练数据进行处理，以得到训练集，通过训练集学习器对所述训练集进行学习，以训练分类器。本发明能够在迭代学习模型的过程中降低噪声点的干扰。
-
-
Patent Agency Ranking
公开(公告)号：CN109102138A
公开(公告)日：2018-12-28
申请号：CN201810330367.8
申请日：2018-04-13
Applicant: 同济大学
IPC: G06Q10/06
Abstract: 本发明提供一种工作流网检验的异常片段提取方法，包括：构建模型初始WFD网，并生成数据约束；根据数据约束构成相应的约束分析模式，数据与正负约束的对应关系，以及约束和守卫函数取值的对应关系；生成WFDC网模型；生成带有数据约束的可达配置CDC图；根据WFDC网的网特征，定义WFDC网的多层次的合理性；根据WFDC网模型和多层次合理性，对网模型合理性层次的判定，得到检测结果，在检测结果为存在错误时，将所述可达配置CDC图转换为最小完全CDC树，并提取其中存在错误状态的异常路径；根据所提取的异常路径和数据约束特征，对异常路径的异常片段进行提取。本发明解决了现有技术中在系统出现检测结果故障的情况下，自动检测出异常的片段。
-
公开(公告)号：CN108542383A
公开(公告)日：2018-09-18
申请号：CN201810073041.1
申请日：2018-01-25
Applicant: 同济大学
IPC: A61B5/0476
Abstract: 基于运动想象的脑电信号识别方法、系统、介质及设备，包括：从脑电信号传感器获取多通道的原始脑电信号；对原始脑电信号滤波并筛除无关信号获取脑电滤波信号；根据预设分解方法将每一通道中的脑电滤波信号分解为预设数目的信号分量；根据参考导联计算每一通道中的信号分量获取分量筛选值，根据分量筛选值筛选信号分量并将筛选的各个通道的信号分量相加得每一通道的重组信号；根据共空间模式提取重组信号中的特征信息；利用线性支持向量机对特征信息得信号样本进行分类，根据信号样本的类别识别每一信道中的重组信号的类别信息并发出，本发明筛选出不同个体脑电信号中跟任务相关信号，去除掉任务不相关的信号，提高脑机接口中脑电信号的识别准确。
-
公开(公告)号：CN108416369A
公开(公告)日：2018-08-17
申请号：CN201810132427.5
申请日：2018-02-08
Applicant: 同济大学
IPC: G06K9/62
Abstract: 基于Stacking和翻转随机降采样分类方法、系统、介质及设备，包括：获取原始训练集，将原始训练集划分为数目大于等于两个的不同的训练子集；为每一训练子集建立数目大于等于两个的不同的组件分类器；将每个组件分类器的输出作为特征进行训练，生成集成分类器；获取测试样本，根据每一组件分类器依次分类测试样本得组件分类结果，以组件分类结果为特征组成一新测试样本，以集成分类器分类新测试样本得最终分类结果，本发明解决了现有技术存在的不均衡数据分类精度差、无法识别少数类、分布特征表现有效性低和分类器区分度较低的技术问题。
-
公开(公告)号：CN108153414A
公开(公告)日：2018-06-12
申请号：CN201711376254.3
申请日：2017-12-19
Applicant: 同济大学
IPC: G06F3/01 , A61B5/0476
Abstract: 本发明提供稳态视觉诱发电位信号识别方法、系统及装置，获取脑电信号，利用滑动窗口从所述脑电信号中切分出多个子段数据；针对每个所述子段数据，计算含有的每个预设诱发频率的典型相关因子系数，进而得到每个所述子段数据中各预设诱发频率所对应的序列检测系数；将每个所述序列检测系数与预设阈值进行比对，将不小于所述预设阈值的序列检测系数所对应的预设诱发频率确定为产生所述稳态视觉诱发电位信号的目标频率。本发明改进了脑电信号识别的准确性，大大提升了脑机接口系统的检测效率。
-
公开(公告)号：CN104299009B
公开(公告)日：2018-02-09
申请号：CN201410491005.9
申请日：2014-09-23
Applicant: 同济大学
Abstract: 本发明涉及一种基于多特征融合的车牌字符识别方法。其步骤为：(1)对视频中的车辆进行检测并对车辆中的车牌进行定位与分割；(2)对分割出的车牌进行投影分析，分割并提取出车牌中7个有效字符；(3)对分割出的字符图片进行形态学处理，并提取出车牌字符的三种特征进行有效融合；(3)利用支持向量机对融合特征进行训练生成车牌字符分类器，对实时视频中的车辆车牌字符进行有效识别。与现有技术相比，本发明可以降低所提取的车牌字符特征的经验性成分，使得特征提取理论更加充足，从而可以提高车牌识别的效果。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.023 seconds)
